Académique Documents
Professionnel Documents
Culture Documents
April 2015
Les Working Papers SMART-LERECO ont pour vocation de diffuser les recherches
conduites au sein des unités SMART et LERECO dans une forme préliminaire
permettant la discussion et avant publication définitive. Selon les cas, il s'agit de
travaux qui ont été acceptés ou ont déjà fait l'objet d'une présentation lors d'une
conférence scientifique nationale ou internationale, qui ont été soumis pour publication
dans une revue académique à comité de lecture, ou encore qui constituent un chapitre
d'ouvrage académique. Bien que non revus par les pairs, chaque working paper a fait
l'objet d'une relecture interne par un des scientifiques de SMART ou du LERECO et par
l'un des deux éditeurs de la série. Les Working Papers SMART-LERECO n'engagent
cependant que leurs auteurs.
This work is licensed under a Creative Commons Attribution – Noncommercial – NoDerivatives 4.0 International
Working Paper SMART – LERECO N°15-03
Caroline ROUSSY
Aude RIDIER
Karim CHAIB
Caroline Roussy
Agrocampus Ouest, UMR SMART
65 rue de Saint-Brieuc, CS 84215
35042 Rennes cedex, France
Email: caroline.roussy@rennes.inra.fr
Téléphone / Phone: +33 (0)5 61 15 29 64
Fax: +33 (0)2 23 48 54 17
1
Working Paper SMART – LERECO N°15-03
Résumé
2
Working Paper SMART – LERECO N°15-03
Abstract
One way to reconcile the issues of productivity and environmental protection for field crops farmers is
the implementation of systemic agroecological innovations. These innovations are complex combining
traditional agricultural tools, such as the lengthening of rotations, with innovative production
techniques such as precision agriculture. The adoption of these innovations creates additional
uncertainty for farmers. Several studies have shown that risk aversion is a major break in the adoption
of agricultural innovations. But others individual agronomic, economic and psychosocial determinants
also affect the adoption decision process. However, among the determinants identified in the literature,
few seem common and generalized to all production context. Other determinants, not directly
observable, influence the adoption decision. This article presents a literature review to identify the role
of observable and unobservable determinants, such as perceptions and preferences, in the adoption
process of agroecological innovations.
3
Working Paper SMART – LERECO N°15-03
1. Introduction
La production française de grandes cultures a plus que triplé durant ces 50 dernières années grâce à la
mise en place d’innovations technologiques comme l’amélioration variétale ou la production d’engrais
de synthèse et de traitements phytosanitaires (FAO, 2013). Aujourd’hui, les effets néfastes de
l’agriculture intensive sur l’environnement amènent les agronomes à concevoir des innovations de
nature systémique qui permettent de concilier la protection des ressources naturelles et les enjeux de
productivité face à l’augmentation de la démographie mondiale. Il s’agit d’innovations combinant des
outils agronomiques classiques comme l’allongement des rotations avec des techniques de production
novatrices telles que l’agriculture de précision (ex : bonnes pratiques agricoles). Dans le secteur des
grandes cultures, les chercheurs conçoivent de systèmes de culture innovants (SdCi) qui permettent
d’optimiser la production céréalière en limitant la consommation d’intrants chimiques. Il s’agit de
rotations longues, définies à la fois par une succession de cultures ainsi que par des conduites culturales
adaptées à chacune d’elles. L’adoption d’une innovation engendre des incertitudes supplémentaires
pour les agriculteurs qui s’ajoutent aux nombreux risques encourus dans le contexte de production
actuel : volatilité des prix, contraintes réglementaires, etc. Les préférences face au risque, plus
précisément l’aversion au risque des agriculteurs, ont été mises en évidence comme un frein significatif
à l’adoption d’innovations dans l’exploitation agricole (Binswanger et Sillers, 1983; Couture et al.,
2010; Marra et al., 2003). D’autres déterminants individuels, d’ordres agronomiques, économiques ou
psycho-sociaux affectent aussi le processus de décision des agriculteurs. Il existe un grand nombre de
travaux sur les déterminants de l’adoption d’innovations agricoles cependant ils ne permettent pas
d’isoler des déterminants communs à toutes les situations, en raison notamment de l’hétérogénéité des
agriculteurs et des contextes de production (Baumgart-Getz et al., 2012; Knowler et Bradshaw, 2007;
Prokopy et al., 2008).
Le manque d’informations disponibles sur les performances des systèmes de culture innovants amène
les agriculteurs à évaluer ces systèmes en fonction de leur expérience et de leurs connaissances. Ils
effectuent leurs choix en fonction de leur perception de l’innovation et de leurs contraintes propres.
Une innovation perçue comme plus risquée par les agriculteurs a donc une probabilité plus faible d’être
adoptée. De plus, en fonction de leur contexte de production, les agriculteurs développent des
préférences pour certaines caractéristiques de l’innovation. Les exploitants confrontés à des problèmes
4
Working Paper SMART – LERECO N°15-03
d’érosion vont rechercher des systèmes de culture limitant l’érosion des sols. Dans des zones
pédoclimatiques soumises à des contraintes réglementaires sur les apports azotés (zones vulnérables),
les exploitants vont préférer des systèmes peu exigeants en fertilisants de synthèse. Ainsi, de nombreux
travaux sur le comportement d’adoption d’innovations s’appuient sur l’hypothèse que l’utilité globale
perçue d’une l’innovation correspond à la somme des utilités des caractéristiques composant cette
innovation, se référant en cela aux travaux de Lancaster (1966) (Adesina et Zinnah, 1993; Asrat et al.,
2010; Makokha et al., 2007; Manalo, 1990).
De manière générale, les travaux sur l’adoption d’innovations en agriculture se sont concentrés sur le
rôle des déterminants individuels directement observables par le chercheur dans le processus de
décision de l’agriculteur. D’autres déterminants, non directement observables, comme les perceptions
et les préférences sont aujourd’hui aussi mis évidence. Les méthodes d’évaluation des perceptions
permettent de quantifier le risque perçu par les exploitants. Ainsi il est possible de pondérer l’effet de
ce risque subjectif dans la décision d’adoption (Machina et Schmeidler, 1992; Nelson et Bessler, 1989;
Norris et Kramer, 1990; Smith et Mandac, 1995). En parallèle, les méthodes de révélation des
préférences, développées dans un premier temps en économie de l’environnement, visent à évaluer le
poids de déterminants non observables liés aux préférences dans la décision d’adoption d’innovations
(Adamowicz et al., 1998; Asrat et al., 2010; Hanley et al., 2001; Louviere et al., 2000).
L’objectif de cet article est de présenter, grâce à une revue de la littérature, le rôle joué par les
perceptions du risque et les préférences pour les caractéristiques de l’innovation dans le processus
d’adoption d’innovations en agriculture. L’adoption est ici représentée à la fois par la décision de
l’agriculteur de mettre en place un système de culture innovant ainsi que par l’intensité de cette
adoption, c’est-à-dire la surface consacrée à ce nouveau système sur l’exploitation. Dans la première
section, le cadre d’analyse de l’adoption en microéconomie sera brièvement présenté. La seconde
section présente une revue de littérature des déterminants individuels observables de l’adoption
d’innovations afin de mettre en évidence les plus pertinents dans le cadre de l’adoption des systèmes de
culture innovants. Enfin, la troisième section présente les déterminants non observables de l’adoption,
dans notre cas les perceptions et les préférences face à l’innovation, ainsi que les méthodes utilisées
pour les évaluer.
La problématique de l’adoption d’innovations est distincte de celle de leur diffusion. Alors que
l’adoption d’innovation a été largement étudiée par les économistes (Sunding et Zilberman, 2001),
5
Working Paper SMART – LERECO N°15-03
celle de leur diffusion a été initialement investie par les sociologues (Rogers, 1962). Les travaux en
économie sur l’adoption focalisent sur les déterminants qui expliquent la décision, le délai et la
progressivité de l’adoption. Les travaux sur la diffusion en économie décrivent le taux de pénétration
de l’innovation sur son marché potentiel et se situent à l’échelle de groupes d’individus. Les travaux
des sociologues sur la diffusion ont mis en avant l’importance des proximités, particulièrement
géographiques, dans le phénomène de diffusion. Ils ont aussi souligné l’importance des déterminants
non pécuniaires dans le processus de décision d’adoption. L’enjeu de la synthèse de la littérature
présentée dans cet article est de passer en revue les déterminants de l’adoption qui ont été largement
étudiés par les économistes et d’explorer les possibilités méthodologiques disponibles afin d’étudier les
déterminants non pécuniaires, et notamment les préférences et les perceptions des individus, qui ont
surtout fait l’objet des travaux des sociologues. En économie, pour aborder la question de l’adoption de
systèmes de cultures innovants nous allons principalement mobiliser la littérature empirique et
économétrique sur les déterminants de l’adoption d’innovations agricoles. Dans cette revue de
littérature on entendra par adoption aussi bien la décision dichotomique d’adoption (adoption/rejet) que
l’intensité d’adoption (choix continu de surface engagée).
Les innovations que nous étudions dans le cadre de l’adoption de systèmes de culture innovants sont
complexes. Ces innovations combinent plusieurs pratiques et technologies ce qui implique des
décisions multiples pour l’agriculteur, souvent interdépendantes et inter-temporelles. Les décisions
sont soumises à un arbitrage subjectif des exploitants et influencées par de multiples facteurs
endogènes ou exogènes à l’agriculteur. De plus, il existe des interactions entre les déterminants non
directement observables, tels que les perceptions ou les préférences de l’agriculteur, et les déterminants
observables propres à l’exploitant et à son exploitation (Feder et Umali, 1993; Marra et al., 2003). Les
déterminants observables regroupent différents facteurs : les caractéristiques intrinsèques de
l’innovation, les facteurs endogènes et les facteurs exogènes à l’agriculteur. Les caractéristiques
intrinsèques de l’innovation sont ses caractéristiques « objectives », c’est-à-dire issues de tests,
d’expérimentations ou d’essais et transmises par les organismes de développement et de recherche
(conseillers et instituts techniques, organismes de recherche). Il peut aussi s’agir du prix, des exigences
physiologiques des plantes, des dates de semis, etc. Les facteurs endogènes correspondent aux
caractéristiques de l’exploitant et de son exploitation (taille, degré de spécialisation, âge, formation,
etc.). Les facteurs exogènes rassemblent des facteurs non maitrisables (réglementation, conditions
6
Working Paper SMART – LERECO N°15-03
climatiques) et des facteurs partiellement maitrisables tels que l’accès à l’information et le niveau de
sensibilisation à l’innovation.
Lors de la mise en place d’une innovation, l’exploitant fait face à un environnement incertain. Il est
possible de prédire son comportement d’adoption en comparant les espérances d’utilité des alternatives
qui s’offrent à lui (Marra et al., 2003; Mercer, 2004). Les travaux de Savage (1972) ont répondu à
certaines limites de l’approche de l’utilité espérée concernant la définition des probabilités du risque
encouru (von Neumann et Morgenstern, 1944). Les individus formulent leurs préférences sur les
événements à partir de probabilités subjectives qu’ils transforment à partir de probabilités objectives.
En effet, les individus ne disposent pas de toutes les données nécessaires pour évaluer toutes les
alternatives car elles ne sont pas connues (Savage, 1972). Cependant, même dans des situations
incertaines voire inconnues, les individus prennent des décisions et évaluent le profit espéré en fonction
de leurs perceptions (Hardaker et Lien, 2010; Machina et Schmeidler, 1992; Nelson et Bessler, 1989;
Norris et Kramer, 1990; Smith et Mandac, 1995). Dans la lignée des approches mettant l’accent sur les
perceptions, on peut citer, dans d’autres disciplines, les travaux des sociologues sur l’action raisonnée
et le comportement planifié (Ajzen, 1991, 2001). Ceux-ci cherchent à mettre en évidence les relations
entre les attitudes des individus, leurs normes sociales et leur perception du contrôle1 dans une situation
spécifique de choix (Reimer et al., 2012).
1
La perception du contrôle sur le comportement se réfère aux ressources dont dispose l’individu, à ses propres capacités,
aux opportunités disponibles ainsi qu’à la perception de l’importance d’arriver à accomplir les résultats. (Ajzen 1991)
7
Working Paper SMART – LERECO N°15-03
2010; Beharry-Borg et al., 2013; Blazy et al., 2011; Espinosa‐Goded et al., 2010; Kuhfuss et al.,
2013). On peut les classer en deux catégories selon que l’analyse des préférences est faite avant
(préférences déclarées) ou après l’adoption (préférences révélées) (Alriksson et Öberg, 2008). Les
méthodes de préférences déclarées (évaluation contingente, évaluation conjointe …), qui permettent
une évaluation a priori de l’adoption, sont plus adaptées pour évaluer le potentiel de mise en œuvre de
conduites agro-écologiques dans des systèmes de culture aujourd’hui majoritairement intensifs et où
l’innovation étudiée est peu présente. Elles permettent d’évaluer le potentiel d’adoption de l’innovation
ainsi que de pondérer les déterminants influant sur le choix d’adoption.
Il est aujourd’hui difficile de synthétiser les nombreux résultats obtenus dans la littérature économique
sur l’effet des déterminants socio-économiques et agronomiques sur l’adoption d’innovations agricoles.
Certains auteurs se sont concentrés sur certains types d’innovation : l’agriculture de conservation chez
Knowler et Bradshaw (2007) et Prager et Posthumus (2010); les bonnes pratiques agricoles chez
Prokopy et al. (2008) ; ou sur certaines zones géographiques : les USA chez Baumgart-Getz et al.
(2012), l’agroforesterie en zone tropicale chez Mercer (2004). Nous nous intéressons ici aux travaux
récents sur l’adoption d’innovations proches des systèmes de culture innovants, plus précisément à des
innovations de pratiques incrémentales (les bonnes pratiques agricoles, l’agriculture de précision) à
systémiques (agriculture biologique ou intégrée) ou encore à des pratiques innovantes liées à la
conservation des ressources naturelles (sol, eau, etc.) (cf. Tableau 1).
8
Working Paper SMART – LERECO N°15-03
(Sig +) effet significativement positif, (Sig –) effet significativement négatif, (-) non significatif ou non étudié
2
Regroupe les variables sur les visites des conseillers agricoles, la visite d’essais, la participation à des groupes d’agriculteurs, etc.
9
Working Paper SMART – LERECO N°15-03
Les premiers travaux en économie menés par Griliches (1957) puis Rosenberg (1976) ont mis
en évidence l’importance des facteurs financiers dans le changement technologique et
l’adoption d’innovations. La richesse est considérée comme un facteur clef dans l’adoption,
d’abord par son effet sur l’aversion au risque (plus un individu est riche plus il est prêt à
prendre des risques). De plus, le niveau de richesse conditionne l’investissement et permet
aussi de supporter des pertes à court terme lors de la mise en place de l’innovation. Dans la
littérature, différents indicateurs de richesse sont utilisés : le revenu net (Feder et Umali,
1993; Knowler et Bradshaw, 2007; Rodríguez-Entrena et Arriaza, 2013), le capital social
(Baffoe-Asare et al., 2013) ou le chiffre d’affaires (Anderson et al., 2005). La richesse a
généralement un effet positif sur l’adoption. Cependant, la variété des indicateurs en fonction
des études ne permet pas de mettre en évidence la même causalité dans le choix de production
de l’agriculteur. En effet, une exploitation peut avoir un chiffre d’affaires élevé et une
profitabilité faible qui elle-même n’est pas forcément liée à la richesse de l’exploitant
(Tableau 2).
10
Working Paper SMART – LERECO N°15-03
La richesse de l’exploitation agricole peut être approchée par sa taille, à travers la surface
agricole utile (SAU). L’effet positif de la SAU a été montré sur l’adoption de variétés de
cultures à haut rendement par Feder (1980). Dans des travaux plus récents, Foltz et Chang
(2002) montrent que l’adoption d’hormones, permettant d’accroitre la productivité des bovins,
augmente avec la SAU. Dans le cadre de l’adoption d’innovations comme les pratiques
innovantes ou de conservation, les résultats sont identiques (Blazy et al., 2011; Featherstone
et Goodwin, 1993; Mariano et al., 2012; Rodríguez-Entrena et Arriaza, 2013). La taille de
l’exploitation est un indicateur de richesse de l’agriculteur. Il semble donc logique que l’effet
de la SAU sur l’adoption soit le même que celui de la richesse. Cependant, l’accroissement de
la taille de l’exploitation nécessite des ressources en travail supplémentaires. Certains
agriculteurs peuvent avoir des difficultés à mettre en place des innovations sur leur
exploitation si elles engendrent du temps de travail supplémentaire. Ainsi Anderson et al.
(2005) obtiennent un effet négatif de l’accroissement de la taille de l’exploitation sur
l’adoption de l’agriculture biologique sûrement parce que cette conversion de l’ensemble du
système d’exploitation demande beaucoup de temps supplémentaire en termes de formation
de l’agriculteur et de surveillance.
Pour évaluer plus précisément l’effet de la terre en tant que capital (c’est-à-dire comptabilisée
dans les immobilisations) sur l’adoption, certains travaux ont pris en compte la proportion de
3
En France, en 2010, la valeur moyenne de l’actif immobilisé dans une exploitation de grande culture est de
214,000€. Le taux d’endettement est de plus de 30% et s’accroit pour les exploitants les plus jeunes (Agreste)
11
Working Paper SMART – LERECO N°15-03
surface en propriété dans la surface totale cultivée par l’exploitant. Généralement, la propriété
a un effet positif sur l’adoption d’innovations (Caswell M et al., 2001). Les exploitants en
fermage ont moins d’intérêts à investir dans des innovations dont les effets sont à long terme
alors qu’ils ne sont pas assurés d’exploiter les terres à long terme. Cependant, Soule et al.
(2000) soulignent que la propriété implique aussi plus de contraintes financières pour
l’exploitant ce que qui peut freiner l’adoption. L’effet de ce déterminant reste donc ambigu
dans la littérature.
Certaines caractéristiques de l’agriculteur telles que son âge, son expérience professionnelle
ou son niveau d’éducation peuvent influer sur la mise en place d’une innovation. Il faut
cependant distinguer les situations où l’unité décisionnaire est une personne unique ou une
exploitation individuelle, des situations de cogestion de l’exploitation sous formes sociétaires
(GAEC, SCEA, etc.). Dans ce dernier cas la décision est le produit d’un consensus collectif et
il est difficile d’isoler et donc de mettre en évidence des déterminants individuels de
l’adoption (Pannell et al., 2006).
12
Working Paper SMART – LERECO N°15-03
On considère généralement que l’âge réduit l’adoption (Anderson et al., 2005; D’Souza et al.,
1993; Foltz et Chang, 2002) car les exploitants plus âgés ont un horizon de planification plus
court (Abdulai et Huffman, 2005). Ils valorisent moins les bénéfices à long terme de certaines
innovations. Cependant, les jeunes exploitants sont souvent soumis à des contraintes
financières fortes ce qui peut les dissuader d’investir dans une nouvelle technologie. Enfin, en
présence d’un successeur, l’âge de l’exploitant accroît les chances d’adoption d’une
innovation. En effet, si une possibilité de reprise de l’exploitation existe, alors l’horizon de
planification de l’agriculteur est plus long (Rodríguez-Entrena et Arriaza, 2013).
L’exploitant est soumis de manière récurrente à des contraintes externes qu’il peut
difficilement anticiper. Nous distinguons deux types de déterminants exogènes. Les premiers
sont externes et non contrôlables par l’exploitant comme son environnement de production
comprenant les contraintes pédoclimatiques et réglementaires. Le second type de déterminant
est partiellement contrôlable par l’exploitant comme le contexte informationnel qui peut être
partiellement modifié si l’agriculteur achète ou se procure de l’information. On parle ici de
l’information au sens large, de la communication ou du conseil.
13
Working Paper SMART – LERECO N°15-03
Les déterminants agronomiques ou pédoclimatiques peuvent être nombreux mais doivent être
ciblés en fonction de l’innovation concernée et de la zone de production (Feder et Umali,
1993). Khanna (2011) met en évidence qu’il existe un effet de la zone de production sur
l’adoption de pratiques de fertilisation parcellaire. Dans les zones de grandes cultures, les
conditions pédoclimatiques peuvent contraindre les agriculteurs dans leurs choix de
production. Des conditions limitantes, comme des sécheresses répétées poussent les
agriculteurs à rejeter certaines innovations pour des raisons techniques (Mariano et al., 2012).
Cependant le pédoclimat peut aussi faciliter l’adoption comme par exemple la mise en place
de pratiques de conservation des sols par le non-labour dans des zones de coteaux qui peuvent
être soumises à des risques d’érosion (Caswell M et al., 2001; Ervin et Ervin, 1982). La
variété des contextes de production ne permet pas de mettre en évidence des déterminants
jouant un rôle invariable mais les contraintes de production ont généralement un rôle clef dans
la décision d’adoption d’innovation par les exploitants.
Il existe peu de résultats sur l’effet de la réglementation sur l’adoption d’innovations. Les
innovations sont généralement conformes aux réglementations en cours dans les différents
pays concernés. On peut cependant souligner que la réglementation peut limiter le nombre de
pratiques innovantes proposées à l’exploitant. Dans le secteur des grandes cultures en France,
la Directive Cadre sur l’Eau impose une couverture hivernale des sols dans les zones définies
comme vulnérables. Cependant, il est interdit d’implanter des couvertures végétales
composées uniquement de légumineuses pour éviter des effets de lixiviation lors de leur
destruction. Ainsi, la réglementation implique que les exploitants des zones vulnérables
disposent de moins de choix dans les cultures à mettre en place. Les travaux en économie
s’intéressent généralement à l’effet ex-ante d’un changement de la réglementation sur
l’évolution des pratiques agricoles. Bougherara et Latruffe (2010) étudient l’effet du
découplage des aides de la PAC sur l’utilisation des terres non cultivées. Giannocaro et Berbel
(2013) évaluent l’effet de différents scénarios de changement d’orientation des politiques
publiques sur l’utilisation d’intrants (pesticides, eau, etc.) chez les exploitants andalous. Ces
deux études concluent que les exploitants n’envisagent pas de changements radicaux dans
l’utilisation des terres ou des intrants avec les évolutions futures de la Politique Agricole
Commune.
14
Working Paper SMART – LERECO N°15-03
15
Working Paper SMART – LERECO N°15-03
Le risque est un des principaux facteurs de rejet de l’innovation (Feder, 1980; Feder et Umali,
1993; Ghadim et al., 2005). Les méthodes d’économie expérimentale, basées sur des jeux de
loteries financiers, permettent d’évaluer le niveau d’aversion au risque des individus. Les
exploitants agricoles sont couramment exposés aux risques par la nature-même de leur
activité. Dans la littérature, les niveaux d’aversion au risque mesurés par les méthodes de
révélation expérimentale chez des agriculteurs sont très variables (Binswanger et Sillers,
1983; Harrison et al., 2007; Hellerstein et al., 2013; Reynaud et Couture, 2012). Comme tous
les entrepreneurs, les agriculteurs sont plus sensibles au risque de pertes (Bocqueho et al.,
2011). Dans le cadre de l’adoption d’innovations en agriculture, le niveau d’aversion au
risque a été mis en évidence comme un frein à l’adoption (Feder et Umali, 1993; Kebede et
al., 1990). Cependant, l’aversion au risque ne permet pas d’expliquer, à elle seule, le
comportement d’adoption d’innovations par les agriculteurs (Hellerstein et al., 2013). En
effet, les exploitants réalisent leur choix en fonction de leurs préférences mais aussi de leurs
perceptions du risque. Shapiro et al. (1992) montrent que les perceptions du risque sur le
rendement et les prix expliquent plus l’adoption de cultures associées que le niveau
d’aversion. Très peu de travaux se sont penchés sur les liens entre aversion et perception du
risque. Menapace et al. (2013), dans leur étude chez des arboriculteurs en Italie, démontrent
que les agriculteurs les plus averses au risque perçoivent de manière accrue les risques de
pertes sur leur récolte. Les préférences face au risque des exploitants sont donc un élément
déterminant dans le choix d’adoption d’innovations par les agriculteurs. Cependant, il semble
aujourd’hui nécessaire de mieux connaitre l’importance des perceptions de l’innovation et du
risque associé afin de prendre en compte de manière globale l’effet du risque dans le
processus d’adoption.
Les méthodes de révélation des préférences regroupent les préférences révélées et les
préférences déclarées. Dans le cadre des travaux sur les préférences révélées, c’est le
comportement observé des individus qui permet d’évaluer, de manière ex-post, les
déterminants de l’adoption. Concernant les préférences déclarées, c’est sur la base des
déclarations de l’individu ex-ante (interview, enquêtes etc.) que les préférences sont évaluées.
16
Working Paper SMART – LERECO N°15-03
De nombreux travaux ont mis en œuvre des méthodes de révélation des préférences déclarées
afin d’évaluer la valeur monétaire des biens non marchands comme l’environnement ou les
ressources naturelles (Adamowicz et al., 1998; Birol et al., 2006; Dachary Bernard, 2004;
Ropars-Collet et al., 2014). Ces méthodes peuvent aussi être transposées pour d’analyser les
préférences des individus pour les caractéristiques d’une innovation. Elles sont utiles à la fois
pour concevoir des politiques de soutien et d’accompagnement au changement de pratiques,
mais aussi pour définir les attentes des individus pour les caractéristiques des innovations. Les
préférences des agriculteurs dépendent de leurs conditions de production, de leurs contraintes
et des caractéristiques de l’innovation. Les méthodes de révélations des préférences déclarées
permettent de hiérarchiser et de quantifier le rôle de chacun de ces facteurs dans le choix
d’adoption d’innovations. Nous présentons ici les deux principales méthodes permettant
l’évaluation des préférences des agriculteurs : l’évaluation conjointe et l’évaluation
contingente.
L’évaluation conjointe est couramment utilisée en marketing et permet d’évaluer l’utilité d’un
produit en fonction des différentes caractéristiques constituant ce produit (mesure conjointe).
Lors d’une enquête, l’individu est placé dans une situation de choix entre plusieurs
alternatives. Chacune des alternatives est définie par des caractéristiques identiques, seuls les
17
Working Paper SMART – LERECO N°15-03
niveaux des caractéristiques varient entre chaque alternative. L’individu mis en situation de
choix indique sa préférence. Il est ainsi possible de déterminer le consentement à payer
marginal, c’est à dire l’utilité marginale normalisée, de chacune des caractéristiques (Useche
et al., 2009). Cette méthode est particulièrement adaptée lorsque l’on étudie des innovations
complexes, comme les systèmes de cultures innovants, car on peut décrire l’innovation en
fonction d’un ensemble de caractéristiques (Alriksson et Öberg, 2008) (cf. Tableau 3). Les
méthodes d’évaluation conjointe sont nombreuses : classification contingente, comparaison
par paire, choice experiment etc. Elles peuvent être classées en deux grandes catégories en
fonction du type de réponses que doit fournir l’individu lorsqu’il est mis en situation de choix
: choix discret (adoption/rejet) ou classification hiérarchique (classement des alternatives)
(Adamowicz et al., 1997; Birol et al., 2006; Hanley et al., 1998; Mackenzie, 1993). Le
principal avantage de l’évaluation conjointe est qu’elle permet de mettre les agriculteurs dans
des situations hypothétiques de choix et de tester les effets de nombreuses caractéristiques qui
peuvent ne pas encore exister. Cependant, afin de limiter le biais hypothétique, c’est-à-dire
une réponse qui ne serait pas celle de l’exploitant en situation réelle de choix, il faut que les
mises en situation proposées aux agriculteurs restent compréhensibles, crédibles et simples.
Les modèles d’estimation empirique des préférences associés aux différentes méthodes de
révélation dépendent du type de mesure mis en œuvre lors des enquêtes, c’est à dire si
l’exploitant à fait un choix discret, hiérarchisé ou d’intensité. Pour l’analyse des choix
discrets, comme pour l’étude de l’adoption/rejet, il n’est pas possible d’utiliser des modèles
linéaires classiques (régression linéaire) car les réponses sont binaires. On utilise alors des
modèles de choix dichotomiques de type probit ou logit. Pour les réponses ordonnées ou
hiérarchiques, les modèles polytomiques, comme les probit et logit multinomiaux ou
ordonnés, sont utilisés. Afin d’évaluer les effets des caractéristiques individuelles sur les
préférences pour les caractéristiques de l’innovation (hétérogénéité observée des préférences),
des interactions peuvent être intégrées (Reynaud et Nguyen, 2012). Cependant, ces modèles
ne permettent pas de prendre en compte l’hétérogénéité inobservée entre les individus. Pour
cela, les modèles de type logit à paramètres aléatoires permettent d’introduire une variabilité
dans les préférences individuelles (Asrat et al., 2010; Broch et Vedel, 2012; Useche et al.,
2009). D’autre part, les modèles à classes latentes permettent de prendre en compte
l’hétérogénéité des préférences en identifiant des classes d’individus ayant des préférences
18
Working Paper SMART – LERECO N°15-03
19
Working Paper SMART – LERECO N°15-03
Les sociologues ont été les premiers à évaluer de manière qualitative le rôle des perceptions
de l’innovation dans le processus d’adoption (Kivlin et Fliegel, 1967). Les travaux en
économie cherchent à approcher l’avantage relatif perçu par l’agriculteur (efficacité,
profitabilité, adaptabilité, etc.) dans son contexte de production (Adesina et Zinnah, 1993).
Les perceptions sont généralement évaluées sous forme de variables binaires si l’agriculteur
perçoit ou non l’intérêt de l’innovation. Les travaux de Pandit et al. (2011) et Paudel et al.
(2011) montrent que les agriculteurs qui perçoivent l’agriculture de précision plus profitable
que leur système actuel, adoptent plus facilement l’innovation. Gedikoglu et McCann (2007)
trouvent les mêmes résultats concernant l’adoption de pratiques de conservation. D’autres
travaux mettent en évidence que la perception de l’efficacité de l’innovation explique le
comportement d’adoption de pratiques de conservation (Abdulai et Huffman, 2014; Tosakana
et al., 2010). Cependant, si une innovation est perçue comme difficilement adaptable ou peu
familière pour l’exploitant elle ne sera pas adoptée (Gillespie et al., 2007). Les perceptions de
l’innovation peuvent être modifiées par l’acquisition d’expériences ou d’informations par
l’agriculteur et elles sont fortement liées aux perceptions du risque.
Les méthodes d’économie expérimentale ont mis en évidence le poids de l’aversion au risque
dans le processus d’adoption d’innovations (Binswanger et Sillers, 1983). Outre les
préférences, il reste difficile d’observer et de mesurer les croyances des individus et d’évaluer
20
Working Paper SMART – LERECO N°15-03
précisément leur perception du risque (Nelson et Bessler, 1989). Les méthodes d’impact
visuel utilisées permettent d’évaluer directement (c’est-à-dire en interrogeant directement les
agriculteurs sur le niveau des probabilités) les probabilités subjectives à partir desquelles les
exploitants forment leur choix (Machina et Schmeidler, 1992; Norris et Kramer, 1990; Smith
et Mandac, 1995). Certains travaux se sont intéressés à la perception du risque de production
et surtout au risque de rendement qui affecte de manière directe le revenu de l’exploitant.
Smith et Mandac (1995) ont ainsi estimé les probabilités subjectives des distributions de
rendements par des méthodes de révélation directe. Ils ont par la suite comparé ces résultats à
des données historiques. Ils ont ainsi mis en évidence que même si les moyennes des
rendements sont proches, les agriculteurs sous estiment la variance comparativement à des
données objectives.
Peu de travaux se sont intéressés au rôle des perceptions du risque dans le processus
d’adoption. Smale et al. (1994) ont mis en évidence que les agriculteurs avec des estimations
de rendements espérés élevées pour leur production actuelle de maïs adoptent moins des
variétés à fort potentiel de production. Cependant, s’ils perçoivent un risque important sur leur
rendement, c’est-à-dire une variance du rendement importante, alors l’adoption de nouvelles
variétés est accrue. De la même manière, Adesina et al.(1995) montrent que si les nouvelles
variétés de sorgho permettent de réduire la perception de risque sur le rendement, elles sont
plus facilement adoptées.
Les perceptions du risque semblent être au centre du processus de décision et certains travaux
ouvrent des pistes de recherche pour mieux comprendre le rôle du risque dans le
comportement des agriculteurs. Menapace et al. (2013) s’intéressent au comportement face au
risque de perte des arboriculteurs italiens. Leurs résultats montrent que les perceptions de
risque sont liées aux préférences. Plus un individu est averse, plus il perçoit de manière
importante les risques de pertes (Menapace et al., 2013). Ainsi, aversion et perception du
risque réduisent l’adoption d’innovations. Greiner et al. (2009) se concentrent sur les sources
principales de risques perçus par les agriculteurs lors de l’adoption de bonnes pratiques
agricoles. Leurs résultats montrent que les agriculteurs perçoivent principalement le risque de
sécheresse, ce qui les amène à adopter des bonnes pratiques liées à la conservation de l’eau. Il
semble donc aujourd’hui nécessaire d’investiguer le rôle des perceptions dans le processus
d’adoption d’innovations.
21
Working Paper SMART – LERECO N°15-03
5. Conclusion et propositions
La littérature sur l’analyse du comportement d’adoption d’innovations par les agriculteurs est
vaste. Certains travaux portent sur l’analyse ex-ante, d’autres sur l’analyse ex-post de
l’adoption d’innovations. Les analyses ex-post mettent en évidence l’effet de l’hétérogénéité
des agriculteurs et de leur exploitation sur le taux d’adoption des innovations. Les approches
ex-ante insistent sur l’effet de déterminants non directement observables comme les
préférences et les perceptions sur le potentiel d’adoption d’une innovation. La synthèse
réalisée dans cet article regroupe les apports de la littérature sur l’adoption d’innovations
mettant en évidence l’effet à la fois des déterminants observables et non observables dans le
processus de décision d’adoption des agriculteurs. En outre, elle souligne les champs encore
peu explorés, comme la prise en compte des perceptions.
L’analyse des déterminants observables grâce à des approches empiriques, montre que
l’hétérogénéité des agriculteurs et des contextes de production affecte le comportement
d’adoption d’innovations des agriculteurs. Certains déterminants semblent favoriser en toutes
circonstances l’adoption comme le niveau d’éducation de l’agriculteur ou son accès à
l’information. A l’inverse les variables financières ou l’âge de l’agriculteur peuvent freiner
l’adoption des innovations. Ainsi, faciliter l’accès à des informations locales comme les
résultats d’expérimentations proches des sites d’exploitation des agriculteurs ou permettre
l’accès aux prêts pour des agriculteurs s’engageant dans des démarches innovantes pourrait
permettre de faciliter l’adoption d’innovations à grande échelle. Cependant, face à la
spécificité des caractéristiques des agriculteurs et de leur contexte de production, il reste
aujourd’hui difficile de généraliser les résultats de ces travaux à tous les types d’innovations
et dans tous les contextes.
En parallèle, d’autres travaux d’analyse ex-ante de l’adoption se sont focalisés sur le rôle des
préférences des agriculteurs, afin d’identifier d’autres facteurs d’hétérogénéité susceptibles
d’orienter les politiques publiques. Les agriculteurs font face, tout au long du cycle de
production, à des risques inhérents à la production agricole, mais la mise en place d’une
innovation sur l’exploitation agricole implique des incertitudes supplémentaires. Les travaux
en économie expérimentale ont permis de mettre en évidence l’effet négatif de l’aversion au
risque sur le taux d’adoption d’innovations ou de technologies. Cependant, l’aversion ne
semble pas pouvoir à elle seule expliquer l’hétérogénéité des comportements d’adoption des
agriculteurs. La décision d’adoption est aussi fortement liée à l’innovation proposée.
22
Working Paper SMART – LERECO N°15-03
Face aux enjeux actuels, certaines innovations de types agro-écologique et systémique, telles
que les bonnes pratiques ou les systèmes de culture innovants, sont susceptibles de permettre
d’atteindre des objectifs conjoints de productivité et de durabilité. Ces innovations sont
complexes à analyser car elles sont composées de multiples techniques (traditionnelles ou
innovantes), souvent en interaction, voire complémentaires. Les méthodes de révélation des
préférences permettent de décomposer l’innovation en fonction de ses caractéristiques (ou
attributs) et de pondérer l’effet de chacune des caractéristiques dans la décision d’adoption. A
côté des caractéristiques pécuniaires traditionnelles (prix, marge brute), d’autres
caractéristiques non pécuniaires peuvent affecter le choix d’adoption des agriculteurs.
Malgré la place importante des études du comportement face au risque des agriculteurs dans
la littérature, aujourd’hui le rôle des perceptions (du risque, des caractéristiques des
innovations) dans le choix d’adoption reste encore peu étudié. Or, en situation d’information
incomplète, comme lors d’adoption d’innovations, les agriculteurs fondent leur décision sur
leurs perceptions. Ils se basent sur leur expérience, leurs connaissances et l’information
disponible pour réaliser leur choix. Une innovation, perçue comme plus risquée et ne
présentant pas d’avantage relatif par rapport à la situation actuelle de l’agriculteur, ne sera pas
adoptée. Les perceptions sont au centre du processus de décision de l’agriculteur. D’abord
évaluées de manière qualitative dans les travaux en sociologie, il existe aujourd’hui des
méthodes d’évaluation quantitative des perceptions qui peuvent permettre de les intégrer à
part entière dans l’analyse du comportement d’adoption.
Grâce aux avancées des travaux sur l’analyse du comportement d’adoption d’innovations, il
existe aujourd’hui des méthodes et des modèles d’analyse permettant de prendre en compte
l’effet de nombreux déterminants dans le processus d’adoption. S’appuyant sur des méthodes
classiques de microéconomie de la production, d’économie du risque et de l’environnement, il
est possible et nécessaire de prendre en compte de manière conjointe l’effet sur l’adoption
d’innovations, non seulement des déterminants individuels observables mais aussi des
préférences et des perceptions non observables. Ceci doit permettre d’approcher au plus près
le processus de décision d’adoption d’innovations et d’identifier et hiérarchiser les
déterminants qui influent sur le comportement des agriculteurs. Ces résultats pourront être
utiles pour orienter la conception des innovations agro-écologiques vers des innovations à
plus fort potentiel d’adoption. Ils pourront également permettre aux pouvoir publics de mieux
identifier les attentes et attitudes des agriculteurs afin d’adapter la politique
d’accompagnement et de soutien.
23
Working Paper SMART – LERECO N°15-03
Références
Abdulai, A., Huffman, W.E. (2005). The diffusion of new agricultural technologies: The case
of crossbred-cow technology in Tanzania. American Journal of Agricultural Economics,
87(3): 645-659.
Abdulai, A., Huffman, W.E. (2014). The Adoption and Impact of Soil and Water
Conservation Technology: An Endogenous Switching Regression Application. Land
Economics, 90 (1): 26-43.
Adamowicz, W., Boxall, P., Williams, M., Louviere, J. (1998). Stated Preference Approaches
for Measuring Passive Use Values: Choice Experiments and Contingent Valuation.
American Journal of Agricultural Economics, 80(1): 64-75.
Adamowicz, W., Swait, J., Boxall, P., Louviere, J., Williams, M. (1997). Perceptions versus
Objective Measures of Environmental Quality in Combined Revealed and Stated
Preference Models of Environmental Valuation. Journal of Environmental Economics and
Management, 32(1): 65-84.
Adesina, A. A., Mbila, D., Nkamleu, G. B., Endamana, D. (2000). Econometric analysis of
the determinants of adoption of alley farming by farmers in the forest zone of southwest
Cameroon. Agriculture, Ecosystems & Environment, 80(3): 255-265.
Ajzen, I. (1991). The theory of planned behavior. Organizational behavior and human
decision processes, 50(2): 179-211.
Ajzen, I. (2001). Nature and operation of attitudes. Annual review of psychology, 52(1): 27-
58.
Aldana, U., Foltz, J. D., Barham, B. L., Useche, P. (2011). Sequential adoption of package
technologies: The dynamics of stacked trait corn adoption. American Journal of
Agricultural Economics, 93(1): 130-143.
24
Working Paper SMART – LERECO N°15-03
Asrat, S., Yesuf, M., Carlsson, F., Wale, E. (2010). Farmers' preferences for crop variety
traits: Lessons for on-farm conservation and technology adoption. Ecological Economics,
69(12): 2394-2401.
Baidu-Forson, J., Ntare, B. R., Waliyar, F. (1997). Utilizing conjoint analysis to design
modern crop varieties: empirical example for groundnut in Niger. Agricultural Economics,
16(3): 219-226.
Barham, B. L., Foltz, J. D., Jackson-Smith, D., Moon, S. (2004). The dynamics of agricultural
biotechnology adoption: Lessons from series rBST use in Wisconsin, 1994–2001.
American Journal of Agricultural Economics, 86(1): 61-72.
Barham, B. L., Chavas, J. P., Fitz, D., Salas, V. R., Schechter, L. (2014). The roles of risk and
ambiguity in technology adoption. Journal of Economic Behavior & Organization, 97:
204-218.
Baumgart-Getz, A., Prokopy, L. S., Floress, K. (2012). Why farmers adopt best management
practice in the United States: A meta-analysis of the adoption literature. Journal of
environmental management, 96(1): 17-25.
Beharry-Borg, N., Smart, J. C., Termansen, M., Hubacek, K. (2013). Evaluating farmers’
likely participation in a payment programme for water quality protection in the UK
uplands. Regional Environmental Change, 13(3): 633-647.
Binswanger, H. P., Sillers, D.A. (1983). Risk aversion and credit constraints in farmers'
decision‐making: A reinterpretation. The Journal of Development Studies, 20(1): 5-21.
25
Working Paper SMART – LERECO N°15-03
Birol, E., Karousakis, K., Koundouri, P. (2006). Using a choice experiment to account for
preference heterogeneity in wetland attributes: The case of Cheimaditida wetland in
Greece. Ecological Economics, 60(1): 145-156.
Blazy, J. M., Carpentier, A., Thomas, A. (2011). The willingness to adopt agro-ecological
innovations: Application of choice modelling to Caribbean banana planters. Ecological
Economics, 72: 140-150.
Bocqueho, G., Jacquet, F., Reynaud, A. (2011). Expected utility or prospect theory
maximizers? Results from a structural model based on field-experiment data. XIIIth
Congress of the European Association of Agricultural Economists, Zurich (Switzerland),
August.
Bougherara, D., Latruffe, L. (2010). Potential impact of the EU 2003 CAP reform on land
idling decisions of French landowners: Results from a survey of intentions. Land Use
Policy, 27(4): 1153-1159.
Broch, S. W., Vedel, S. E. (2012). Using Choice Experiments to Investigate the Policy
Relevance of Heterogeneity in Farmer Agri-Environmental Contract Preferences.
Environmental and Resource Economics, 51(4): 561-581.
Caswell, M., Fuglie, K., Ingram, C., Jans, S., Kascak, C. (2001). Adoption of Agricultural
Production Practices: Lessons Learned from the U.S. Department of Agriculture Area
Studies Project. Resource Economics Division, Economic Research Service, U.S.
Department of Agriculture. Agricultural Economic, Report No. 792, 116p.
Chavas, J. (1994). On sunk cost and the economics of investment. American journal of
agricultural economics, 76(1): 114-127.
Couture, S., Reynaud, A., Dury, J. (2010). Farmer's risk attitude: Reconciliating stated and
revealed preference approaches? Fourth World Congress of Environmental and Resource
Economists, 34p.
D’Souza, G., Cyphers, D., Phipps, T. (1993). Factors affecting the adoption of sustainable
agricultural practices. Agricultural and Resource Economics Review, 22(2): 159-165.
Ervin, C. A., Ervin, D. E. (1982). Factors Affecting the Use of Soil Conservation Practices:
Hypotheses, Evidence, and Policy Implications. Land Economics, 58(3): 277-292.
26
Working Paper SMART – LERECO N°15-03
Espinosa‐Goded, M., Barreiro‐Hurlé, J., Ruto, E. (2010). What Do Farmers Want From
Agri‐Environmental Scheme Design? A Choice Experiment Approach. Journal of
Agricultural economics, 61(2): 259-273.
FAO (2013). Food And Agriculture Organization Of The United Nations Statistics Division,
disponible à http://faostat3.fao.org/faostat-gateway/go/to/browse/Q/QC/E.
Feder, G. (1980). Farm size, risk aversion and the adoption of new technology under
uncertainty. Oxford Economic Papers, 32(2): 263-283.
Fernandez-Cornejo, J., Daberkow, S., McBride, W. D. (2001). Decomposing The Size Effect
On The Adoption Of Innovations. AgBioForum, 4(2):124-136
Foltz, J. D., Chang, H. H. (2002). The adoption and profitability of rbST on Connecticut dairy
farms. American Journal of Agricultural Economics, 84(4): 1021-1032.
Gedikoglu, H., McCann, L., Artz, G. (2011). Off-Farm Employment Effects on Adoption of
Nutrient Management Practices. Agricultural and Resource Economics Review, 40(2):
293-306.
Ghadim, A. K. A., Pannell, D. J., Burton, M. P. (2005). Risk, uncertainty, and learning in
adoption of a crop innovation. Agricultural Economics, 33(1): 1-9.
Ghazalian, P. L., Larue, B., West, G. E. (2009). Best management practices to enhance water
quality: Who is adopting them. Journal of Agricultural and Applied Economics, 41(3):
663-682.
Giannoccaro, G., Berbel, J. (2013). Farmers’ stated preference analysis towards resources use
under alternative policy scenarios. Land Use Policy, 31: 145-155
Gillespie, J., Kim, S., Paudel, K. P. (2007). Why don't producers adopt best management
practices? An analysis of the beef cattle industry. Agricultural Economics, 36(1): 89-102.
27
Working Paper SMART – LERECO N°15-03
Greiner, R., Patterson, L., Miller, O. (2009). Motivations, risk perceptions and adoption of
conservation practices by farmers. Agricultural Systems, 99(2-3): 86-104.
Hanley, N., MacMillan, D., Wright, R. E., Bullock, C., Simpson, I., Parsisson, D., Crabtree,
B. (1998). Contingent Valuation Versus Choice Experiments: Estimating the Benefits of
Environmentally Sensitive Areas in Scotland. Journal of Agricultural Economics, 49(1): 1-
15.
Hanley, N., Mourato, S., Wright, R. E. (2001). Choice Modelling Approaches: A Superior
Alternative for Environmental Valuatioin? Journal of Economic Surveys, 15(3): 435-462.
Hardaker, J. B., Lien, G. (2010). Probabilities for decision analysis in agriculture and rural
resource economics: The need for a paradigm change. Agricultural Systems, 103(6): 345-
350.
Harrison, G. W., Lau, M. I., Rutström, E. E. (2007). Estimating Risk Attitudes in Denmark: A
Field Experiment. Scandinavian Journal of Economics, 109(2): 341-368.
Hellerstein, D., Higgins, N. Horowitz, J. (2013). The predictive power of risk preference
measures for farming decisions. European Review of Agricultural Economics, 40(5): 807-
833.
Kebede, Y., Gunjal, K., Coffin, G. (1990). Adoption of new technologies in Ethiopian
agriculture: The case of Tegulet-Bulga district Shoa province. Agricultural Economics,
4(1): 27-43.
Khanna, M. (2001). Sequential adoption of site-specific technologies and its implications for
nitrogen productivity: A double selectivity model. American Journal of Agricultural
Economics, 83(1): 35-51.
28
Working Paper SMART – LERECO N°15-03
Kim, S., Gillespie, J. M., Paudel, K. P. (2005). The effect of socioeconomic factors on the
adoption of best management practices in beef cattle production. Journal of Soil and Water
Conservation, 60(3): 111-120.
Koundouri, P., Nauges, C., Tzouvelekas, V. (2006). Technology Adoption under Production
Uncertainty: Theory and Application to Irrigation Technology. American Journal of
Agricultural Economics, 88(3): 657-670.
Kuhfuss, L., Préget, R., Thoyer, S. (2013). Préférences individuelles et incitations collectives:
quels contrats agroenvironnementaux pour la réduction des herbicides par les viticulteurs.
Revue d’Etudes en Agriculture et Environnement/Review of Agricultural and
Environmental Studies, 95(1): 111-143.
Louviere, J. J., Hensher, D. A., Swait, J. D. (2000). Stated choice methods: analysis and
applications, Cambridge University Press, 420p.
Makokha, S. N., Karugia, J. T., Staal, S. J., Oluoch-Kosura, W. (2007). Valuation of cow
attributes by conjoint analysis: A case study of Western Kenya. African Journal of
Agricultural and Resource Economics, 1(2): 95-113.
29
Working Paper SMART – LERECO N°15-03
Mariano, M. J., Villano, R., Fleming, E. (2012). Factors influencing farmers’ adoption of
modern rice technologies and good management practices in the Philippines. Agricultural
Systems, 110: 41-53.
Marra, M., Pannell, D. J., Abadi Ghadim, A. (2003). The economics of risk, uncertainty and
learning in the adoption of new agricultural technologies: where are we on the learning
curve? Agricultural Systems, 75(2-3): 215-234.
Menapace, L., Colson, G., Raffaelli, R. (2013). Risk Aversion, Subjective Beliefs, and Farmer
Risk Management Strategies. American Journal of Agricultural Economics, 95(2): 384-
389.
Mzoughi, N. (2011). Farmers adoption of integrated crop protection and organic farming: Do
moral and social concerns matter? Ecological Economics, 70(8): 1536-1545.
Noltze, M., Schwarze, S., Qaim, M. (2012). Understanding the adoption of system
technologies in smallholder agriculture: The system of rice intensification (SRI) in Timor
Leste. Agricultural systems, 108: 64-73.
Nyaupane, N. P., Gillespie, J. (2009). The influences of land tenancy and rotation selection on
crawfish farmers’adoption of best management practices. Selected Paper Prepared for
Presentation at the 2009 Southern Agricultural Economics Association Meeting, 20p.
Pandit, M., Mishra, A. K., Paudel, K. P., Larkin, S. L., Rejesus, R. M., Lambert, D. M.,
English, B. C., Larson, J. A.,Velandia, M. M., Roberts, R. K., Kotsiri, S. (2011). Reasons
for Adopting Precision Farming: A Case Study of US Cotton Farmers. 2011 Annual
Meeting, February 5-8, 2011, Corpus Christi, Texas, Southern Agricultural Economics
Association, 24p.
30
Working Paper SMART – LERECO N°15-03
Pannell, D. J., Marshall, G. R., Barr, N., Curtis, A., Vanclay, F., Wilkinson, R. (2006).
Understanding and promoting adoption of conservation practices by rural landholders.
Australian Journal of Experimental Agriculture, 46(11): 1407-1424.
Paudel, K. P., Gauthier, W. N., Westra, J. V., Hall, L. M. (2008). Factors influencing and
steps leading to the adoption of best management practices by Louisiana dairy farmers.
Journal of agricultural and applied economics, 40(1): 203-222
Paudel, K. P., Pandit, M., Mishra, A. K., Segarra, E. (2011). Why Don't Farmers Adopt
Precision Farming Technologies in Cotton Production? 2011 Annual Meeting, July 24-26,
2011, Pittsburgh, Pennsylvania, Agricultural and Applied Economics Association, 22p.
Reynaud, A., Couture, S. (2012). Stability of risk preference measures: results from a field
experiment on French farmers. Theory and decision, 73(2): 203-221.
31
Working Paper SMART – LERECO N°15-03
Ropars-Collet, C., Leplat, M., Le Goffe, P., Lesueur, M. (2014). Is inshore fishery an asset
for recreational demand on the coastline?, 31 Journées de Microéconomie Appliquée,
Clermont-Ferrand, 5 et 6 juin 2014, 15 p.
Rubas, D. (2004). Technology adoption: who is likely to adopt and how does the timing affect
the benefits? , These, Texas A&M University, 128 p.
Smale, M., Just, R. E., Leathers, H. D. (1994). Land Allocation in HYV Adoption Models: An
Investigation of Alternative Explanations. American Journal of Agricultural Economics,
76(3): 535-546.
Smith, J., Mandac, A. M. (1995). Subjective versus objective yield distributions as measures
of production risk. American Journal of Agricultural Economics, 77(1): 152-161.
Soule, M. J., Tegene, A., Wiebe, K. D. (2000). Land Tenure and the Adoption of
Conservation Practices. American Journal of Agricultural Economics, 82(4): 993-1005.
Sunding, D., Zilberman, D. (2001). Chapter 4 The agricultural innovation process: Research
and technology adoption in a changing agricultural sector. In Handbook of Agricultural
Economics. L. G. Bruce and C. R. Gordon, Elsevier, 1(Part A): 207-261.
Tano, K., Kamuanga, M., Faminow, M. D., Swallow, B. (2003). Using conjoint analysis to
estimate farmer's preferences for cattle traits in West Africa. Ecological Economics, 45(3):
393-407.
Tosakana, N. S. P., Van Tassell, L. W., Wulfhorst, J. D., Boll, J., Mahler, R., Brooks, E. S.,
Kane, S. (2010). Determinants of the adoption of conservation practices by farmers in the
Northwest Wheat and Range Region. Journal of Soil and Water Conservation, 65(6): 404-
412.
Useche, P., Barham, B. L., Foltz, J. D. (2013). Trait-based Adoption Models Using Ex-Ante
and Ex-Post Approaches. American Journal of Agricultural Economics, 95(2): 332-338.
32
Working Paper SMART – LERECO N°15-03
Useche, P., Barham, B. L., Foltz, J. D. (2009). Integrating technology traits and producer
heterogeneity: A mixed-multinomial model of genetically modified corn adoption.
American Journal of Agricultural Economics, 91(2): 444-461.
von Neumann, J., Morgenstern, O. (1944). Theory of Games and Economic Behavior.
Princeton University Press, Pinceton.
Ward, C. E., Vestal, M. K., Doye, D. G., Lalman, D. L. (2008). Factors affecting adoption of
cow-calf production practices in Oklahoma. Journal of Agricultural and Applied
Economics, 40(3): 851-863.
Wu, J., Babcock, B. A. (1998). The choice of tillage, rotation, and soil testing practices:
Economic and environmental implications. American Journal of Agricultural Economics,
80(3): 494-511.
33
Working Paper SMART – LERECO N°15-03
Les Working Papers SMART – LERECO sont produits par l’UMR SMART et l’UR LERECO
UMR SMART
L’Unité Mixte de Recherche (UMR 1302) Structures et Marchés Agricoles, Ressources
et Territoires comprend l’unité de recherche d’Economie et Sociologie Rurales de
l’INRA de Rennes et les membres de l’UP Rennes du département d’Economie Gestion
Société d’Agrocampus Ouest.
Adresse :
UMR SMART - INRA, 4 allée Bobierre, CS 61103, 35011 Rennes cedex
UMR SMART - Agrocampus, 65 rue de Saint Brieuc, CS 84215, 35042 Rennes cedex
LERECO
Unité de Recherche Laboratoire d’Etudes et de Recherches en Economie
Adresse :
LERECO, INRA, Rue de la Géraudière, BP 71627 44316 Nantes Cedex 03
The Working Papers SMART – LERECO are produced by UMR SMART and UR LERECO
UMR SMART
The « Mixed Unit of Research » (UMR1302) Structures and Markets in Agriculture,
Resources and Territories, is composed of the research unit of Rural Economics and
Sociology of INRA Rennes and of the members of the Agrocampus Ouest’s Department
of Economics Management Society who are located in Rennes.
Address:
UMR SMART - INRA, 4 allée Bobierre, CS 61103, 35011 Rennes cedex, France
UMR SMART - Agrocampus, 65 rue de Saint Brieuc, CS 84215, 35042 Rennes cedex, France
LERECO
Research Unit Economic Studies and Research Lab
Address:
LERECO, INRA, Rue de la Géraudière, BP 71627 44316 Nantes Cedex 03, France
Contact
2015
Working Papers SMART – LERECO
UMR INRA-Agrocampus Ouest SMART (Structures et Marchés Agricoles, Ressources et Territoires)
UR INRA LERECO (Laboratoire d’Etudes et de Recherches en Economie)
Rennes, France